我在X_sample中有许多样本矩阵（mxn）。 每个矩阵具有相同的行数（相同的m）但具有不同数量的特征（diff n）。 X样本中的矩阵的示例是：1000x40,1000x35,1000x30,1000x25。 我有关于我的问题的以下（简化）代码示例：
Y_train =
Y_test =
clf = ExtraTreesClassifier(n_estimators=500, max_depth=None,max_features="auto",
min_samples_split=1, random_state=0)
for X_data in X_samples:
X_train = X_data[0]
X_test = X_data[1]
clf.fit(X_train,Y_train)
pred_res = clf.predict(X_test)
.....
我使用参数max_features="auto"在循环外创建分类器。
我使用具有不同数量的特征的样本矩阵在循环内执行不同的分类。我的问题是，每当循环执行拟合操作时，分类器是否会根据X_train的实际大小（实际的特征数）调整max_features的值。值为“auto”的参数max_features应该使实际值等于特征数的平方根。
也就是说，我应该在循环外还是在循环内创建分类器？有没有办法读取参数max_features的实际值？